一:程序基础
二:数学基础
三:SLAM
四:传统图像处理
五:机器学习以及深度学习
六:参考资料
考察C++、数据结构
10的答案(张同学的同学很给力)。放到10下面11就变成1了=_=,因此放到最后。
import math
print([n for n in range(2,X) if 0 not in [n%d for d in range(2,int(math.sqrt(n))+1)]])
如果import不算的话…
考察概率论、线性代数、矩阵分析、数值优化
这部分除了3D视觉基础会结合个人研究方向问,对于泛泛的问题尽量发散
计算机视觉life总结的: 5、SLAM后端一般有两种方法:滤波方法和非线性优化方法,这两种方法有什么优缺点?
6、单目视觉slam中尺寸漂移是怎么产生的?有什么解决办法
7、直接法估计相机位姿时,并不需要 提取特征点,而是通过优化匹配点的像素值误差(也称光度误差)估计位姿,但也会面临快速运动,光照变化等的挑战,如果让你改善该问题,你会采用哪些方法来提高跟踪质量(精度,速度,鲁棒性等)?
8、什么是PnP算法?请用你的语言描述一下原理,它一般用在什么场景,解决什么问题?
。。。
此外,我们平时在SLAM的学习工作中也会遇到一些问题,我总结了一些常见的问题,也一并列在这里,并给出了答案(见知识星球)
9、 我们知道相机的内参有 fx, fy, cx, cy, 畸变参数(只考虑k1, k2),相对世界坐标原点外参T。如果我们现在对相机拍摄的图片进行2倍的下采样,那么这些参数会如何变化?
10、我们知道双目相机两个相机光心的间距我们 称之为 baseline。如果双目相机baseline比较大,我们称之为wide baseline.现在某代码中使用一个单目相机进行SLAM过程,在特征匹配时资料中提到了wide baseline,请问这个wide baseline怎么理解?
11、RGB-D相机我们知道可以直接输出 RGB + depth两张图比如我们常见的Kinect 是结构光原理,包括一个彩色相机,一个红外发射器,一个红外接收器。另外,Intel的Realsense系列RGB-D相机也非常常用,比如下面Realsense D415,官网说是Active IR stereo,也就是双目深度相机,这个双目和我们平时说的双目有何不同?为什么有如下四个孔?
12、我们在阅读文献或者代码中误差相关时,经常可以看到一个概念,叫逆深度(inverse depth)。也就是深度的倒数,那么同学们有没有想过,为什么使用逆深度误差而不是深度误差?
13、我们在看SLAM相关论文的时候,会遇到一个词“kidnap”, 直译过来就是“绑架”,不了解的同学可能感觉怪怪的。你知道这个“绑架”是什么意思吗?可以用哪些方法解决这样的问题?
14、我们知道(不知道的话,去查一下十四讲)用g2o和ceres库都能用来进行BA优化,这两者在使用过程中有什么不同?
15、SLAM中回环检测(闭环检测)的目的是什么?简述一下SLAM中可以使用的回环检测方法?
16、SLAM中为什么要引入李群李代数?
17、为什么SLAM中常用LM算法而不是高斯牛顿求解优化问题?
18、讨论一下SLAM应用场景及落地的问题。大家觉得SLAM技术最适合的应用场景是什么?在哪个场景能够最快技术落地呢?
19、大家都是SLAM方向的研究者,不管是学生还是已经工作,以后都面临找(换)工作的问题,那么你知道哪些做SLAM技术的公司?
20、什么是ICP 算法?简述一下算法原理,SLAM中一般什么情况下会使用该算法?
https://github.com/ANYbotics/grid_map
这部分会很随意,根据项目
https://github.com/memoiry/Awesome-model-compression-and-acceleration
大疆算法工程师笔试(计算机视觉部分)
https://wenku.baidu.com/view/9aacf48ea21614791611282a.html
网易3D视觉方向
https://www.nowcoder.com/test/10780247/summary
谢晓佳学长“SLAM求职经验帖”
http://paopaorobot.org/bbs/read.php?tid=87&fid=7
http://paopaorobot.org/bbs/read.php?tid=88&fid=7
VO、SLAM、VIO基础论文
VO
rpg.ifi.uzh.ch/visual_o
《VO_Part_I_Scaramuzza》、《VO_Part_II_Scaramuzza》
光流
《Lucas-Kanade 20 Years On: A Unifying Framework》
图优化SLAM
《A Tutorial on Graph-Based SLAM》
《g2o: A General Framework for Graph Optimization》
参数化
《Impact of Landmark Parametrization on Monocular EKF-SLAM with Points and Lines》
边缘化
《Null-Space-based Marginalization》
VIO
《Quaternion kinematics for the error-state Kalman filter》
《Information Sparsification in Visual-Inertial Odometry》
其他常见SLAM、VIO系统相关论文(结合自己研究方向)
综述性质论文
下面第一篇论文总结了如下几点,感觉总结的很好
《Keyframe-based monocular SLAM: design, survey, and future directions》
《Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age》
《Visual Place Recognition: A Survey》
《Simultaneous Localization and Mapping: A Survey of Current Trends in Autonomous Driving》
《Visual SLAM and Structure from Motion in Dynamic Environments: A Survey》
《A Benchmark Comparison of Monocular Visual-Inertial Odometry Algorithms for Flying Robots》
《GSLAM: A General SLAM Framework and Benchmark》
https://github.com/zdzhaoyong/GSLAM
《Survey on Computer Vision for UAVs: Current Developments and Trends》
《Semantic mapping for mobile robotics tasks: A survey》
《A Review on Deep Learning Techniques Applied to Semantic Segmentation》
《Deep Learning for Generic Object Detection: A Survey》
轨迹评估算法
https://github.com/MichaelGrupp/evo
https://github.com/raulmur/evaluate_ate_scale
ROVIO
SVO
《A Tutorial on Quantitative Trajectory Evaluation for Visual(-Inertial) Odometry》
VO、SLAM、VIO参考书籍
《SLAM十四讲》、《因子图在SLAM中的应用》
《state estimation for robotics》
《An Invitation to 3D Vision》、《Multi View Geometry》
深度学习参考
《解析卷积神经网络——深度学习实践手册》 lamda.nju.edu.cn/weixs/
《神经网络与深度学习》 nndl.github.io/
Shirley Snow 刘同学总结
https://zhuanlan.zhihu.com/p/42807023
《AI算法工程师手册》
https://zhuanlan.zhihu.com/p/63638229
本文转自 微信公众号:计算机视觉life